最近出于興趣和需要钓辆，重新回顧中文分詞技術，期間有些心得胎撤，以及一些關于自然語言處理的淺薄之見，這里簡單分享一下凉唐。 首先极颓，中文分詞_百度百科里面簡單...
投稿
收錄了19篇文章 · 7人關注
-
淺談中文分詞與自然語言處理
-
預訓練好的詞向量資源
詞向量是用來表示詞的向量，通常也被認為是詞的特征向量」荷＃現(xiàn)在已經(jīng)成為自然語言處理的基礎技術畅铭。詞向量的好壞，會直接影響模型的實驗結果勃蜘，對于沒有GPU...
-
OpenCC - 簡體繁體轉換
最近使用中文維基百科數(shù)據(jù)訓練Word2Vec時硕噩，發(fā)現(xiàn)數(shù)據(jù)里面包含了很多繁體字，這就很尷尬了缭贡。這時候就知道OpenCC的強大了炉擅。哈哈，本來打算直接...
-
如何感性地理解EM算法阳惹？
如果使用基于最大似然估計的模型谍失，模型中存在隱變量，就要用EM算法做參數(shù)估計莹汤。個人認為快鱼，理解EM算法背后的idea，遠比看懂它的數(shù)學推導重要纲岭。id...
-
中文機器翻譯數(shù)據(jù)集
Dataset WMT2018 AI challenger(英中翻譯規(guī)模最大的口語領域英中雙語對照數(shù)據(jù)集) UM-Corpus: A Large...
-
基于距離的算法 曼哈頓抹竹，歐氏等
曼哈頓距離 歐氏距離 標準化歐氏距離 夾角余弦 曼哈頓距離（Manhattan Distance） 曼哈頓距離是由十九世紀的赫爾曼·閔可夫斯基所...
-
torchtext安裝
使用如下命令安裝torchtext
-
Manjaro下安裝使用kenlmkenlm是一個linux下快速輕量的語言模型訓練工具。 下載 或者 安裝依賴 編譯安裝 以上兩種來源區(qū)別我也不是很清楚止潮，沒有細究柒莉。 安裝Pyt...
-
中文文本語料庫整理(不定時更新2015-10-24).md
聲明：資源全部源自網(wǎng)絡，如有侵權沽翔，請聯(lián)系我將及時刪除兢孝。 最近在網(wǎng)上找語料窿凤，多比較雜亂不全，所以這里做一次整理跨蟹，方便大家雳殊。如果大家手里有可以分享的...
-
PageRank算法核心思想及數(shù)學支撐佩奇排名（PageRank），又稱網(wǎng)頁排名窗轩、谷歌左側排名夯秃，是一種由搜索引擎根據(jù)網(wǎng)頁之間相互的超鏈接計算的技術，而作為網(wǎng)頁排名的要素之一痢艺，以Goo...
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1881139527',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','https://upload.jianshu.io/collections/images/1700678/280178983403075274.png', '推薦專題《自然語言處理》（ 分享自 @簡書 ）','http://www.reibang.com/c/716e572d7ba5?utm_campaign=maleskine&utm_content=collection&utm_medium=reader_share&utm_source=weibo','頁面編碼gb2312|utf-8默認gb2312'));){kind=link}